CN111643053A - 一种减少脉搏波信号中运动伪影的方法及*** - Google Patents
一种减少脉搏波信号中运动伪影的方法及*** Download PDFInfo
- Publication number
- CN111643053A CN111643053A CN201910265210.6A CN201910265210A CN111643053A CN 111643053 A CN111643053 A CN 111643053A CN 201910265210 A CN201910265210 A CN 201910265210A CN 111643053 A CN111643053 A CN 111643053A
- Authority
- CN
- China
- Prior art keywords
- pulse wave
- signal
- wave signal
- original
- motion artifact
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000001914 filtration Methods 0.000 claims description 15
- 230000004044 response Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000001678 irradiating effect Effects 0.000 claims description 4
- 230000001360 synchronised effect Effects 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 description 18
- 230000001133 acceleration Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 5
- 210000001519 tissue Anatomy 0.000 description 4
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000013013 elastic material Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000013186 photoplethysmography Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 210000003491 skin Anatomy 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Cardiology (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明涉及数字信号处理技术领域,公开了一种减少脉搏波信号中运动伪影的方法,所述方法包括:获取一路原始脉搏波信号,以及一路参考信号;根据基于最小均方算法的自适应滤波器,将所述原始脉搏波信号作为输入,所述参考信号作为期望输出,获取所述原始脉搏波信号中的运动伪影信号;根据所述原始脉搏波信号以及所述运动伪影信号,获取到纯净的脉搏波信号。本发明同时公开了一种相应的***。本发明的技术方案能够有效减少PPG信号中的运动噪声,获得纯净的脉搏波信号。
Description
技术领域
本发明涉及数字信号处理技术领域,尤其涉及一种减少脉搏波信号中运动伪影的方法及***。
背景技术
光电容积脉搏波描记法是借助光电信号在活体组织中检测血液容积变化的技术。特定波长的光投射到被测组织时,光束经由反射或者透射的方式穿过组织后被光敏期间接受到。由于人体组织会对经过的光束进行吸收,所以接受到的光强必定会衰减,其中皮肤、骨骼、肌肉等对光束的衰减作用是始终相同的,但是动脉血管红的血液容积会跟着心室的收缩和舒张呈现周期性的改变,从而引起出射光强相应周期性的改变,将此光强变化转化为电信号就是脉搏波信号。根据脉搏波信号计算出心率,在人体运动心率和心率变异性方面的检测中大量应用。
比较常见的利用智能穿戴设备可实时检测脉搏波信号,进而获取心率信息。但是,脉搏波采集设备与皮肤之间存在接触空隙,在运动过程中使得测量光路发生变化,导致脉搏波的波形被叠加运动干扰噪声,这对后面利用脉搏波计算生理特征信息带了很大的困难,使后续计算产生偏差。因此,在运动状态下,脉搏波信号通常带有很强的运动伪差,运动伪差干扰的消除一直以来都是脉搏波信号处理中需要解决的重点问题。
现有技术中,将加速度信号作为参考信号,利用加速度和运动的关系,辅助减少运动伪影。公布号为CN108937878A的专利申请,公开了一种脉搏波信号运动噪声消除的方法,获取含噪声的脉搏波信号和加速度信号,采用并联自适应滤波器,基于所述加速度信号对所述含噪声的脉搏波信号进行滤波,并经过傅里叶变换,得到加速度频谱和脉搏波频谱,并将二者相减,得到纯净的脉搏波信号。而在实际运用中,真正的加速度是无法被检测的。传感器只能获取加速度与重力加速度的合加速度,加速度的信息不准确。即使获得真正的加速度,也不能够有效反映设备与皮肤之间的相对运动与关系。例如,当设备很好地贴合在皮肤表面并受到较强的束缚时,运动不一定带来相应的运动伪差。再比如,当设备被弹性物质束缚在皮肤表面时,由于弹性物质的应力,设备的运动轨迹和方向可能和人体的运动方向不一致,也可能存在时间上的不同步,这时带有加速度传感器的设备并不能很好地去除运动干扰,并正确计算心率信息。
因此,如何减少乃至消除脉搏波中的运动伪影,得到纯净的脉搏波信号,是急需解决的问题。
发明内容
本发明的目的在于提供一种减少脉搏波信号中运动伪影的方法及***,能够有效减少脉搏波信号中的运动噪声,获得纯净的脉搏波信号。
为实现上述目的,本发明提供了一种减少脉搏波信号中运动伪影的方法,所述方法包括:获取一路原始脉搏波信号,以及一路参考信号;根据基于最小均方算法的自适应滤波器,将所述原始脉搏波信号作为输入,所述参考信号作为期望输出,获取所述原始脉搏波信号中的运动伪影信号;根据所述原始脉搏波信号以及所述运动伪影信号,获取到纯净的脉搏波信号。能够更好的利用参考信号,从脉搏波信号中减少运动伪影信号,使得心率信号的精确度更高。
可选的,所述步骤S1包括:设置一参考光,所述参考光与所述脉搏波信号的光的照射区域相近,并且对心率信号无响应或者响应较弱;所述参考光与所述脉搏波信号的光实时同步,并且二者对同样程度的运动响应比较接近。将所述脉搏波信号的光与参考光同时照射,经过反射之后,获取到原始脉搏波信号与参考信号。
可选的,于所述步骤S2前还包括:将所述原始脉搏波信号与所述参考信号分别通过相同的滤波器进行滤波处理,得到滤波后的脉搏波信号以及滤波后的参考信号。所述滤波器为带通滤波器,所述带通滤波器的频率为0.5Hz-5Hz。所述滤波器为一个高通滤波器和一个低通滤波器串联构成,并且所述低通滤波器的截止频率大于所述高通滤波器的截止频率。滤除各种噪声信号,以及滤除带外信息,避免因带外信息而导致问题复杂化。
可选的,所述步骤S2具体包括:将所述原始脉搏波信号从当前点(包括当前点)截取M个数据,构成输入向量X(n),将所述参考信号为期望输出d(n),设置一学习速率η,随机初始化权值向量W(n);
所述最小均方算法迭代公式如下:
滤波输出信号为:y(n)=W(n)X(n);
其中,X(n)=[x(n)x(n-1)…..x(n-M+1)],M为截取数据的个数;
误差信号:e(n)=d(n)-y(n);
权系数更新:W(n+1)=W(n)+ηX(n)e(n);
计算得到y(n),若误差e(n)偏大,则重新更新权值向量W(n)的权值大小,重新计算y(n)和e(n),直到e(n)的值为最小时迭代终止,得到的y(n)为所述原始脉搏波信号中的运动伪影信号。基于最小均方算法的自适应滤波器的技术方案,能够在进行相位对正,允许参考信号与脉搏波信号有一定的时间不同步。自适应滤波能够兼容幅度的不一致性,自适应地选择收敛的程度。
可选的,所述步骤S3包括:所述原始脉搏波信号减去所述运动伪影信号,获取到纯净的脉搏波信号。
可选的,所述方法还包括:当所述原始脉搏波信号的路数大于1时,对每一路原始脉搏波信号,根据基于最小均方算法的自适应滤波器,获取到每一路对应的纯净的脉搏波信号;将所有路数对应的纯净的脉搏波信号求和并取其平均值,所述平均值为获取的最终的纯净的脉搏波信号。通过多路原始脉搏波信号与参考信号提高自适应滤波的收敛速度与准确率。
本发明提供一种减少脉搏波信号中运动伪影的***,所述***包括:获取模块,用于获取一路原始脉搏波信号,以及一路参考信号;最小均方模块,用于根据基于最小均方算法的自适应滤波器,将所述原始脉搏波信号作为输入,所述参考信号作为期望输出,获取所述原始脉搏波信号中的运动伪影信号;计算模块,用于根据所述原始脉搏波信号以及所述运动伪影信号,获取到纯净的脉搏波信号。
与现有技术相比,本发明一种减少脉搏波信号中运动伪影的方法及***,所带来的有益效果:基于最小均方算法的自适应滤波以及参考信号,获取脉搏波信号中的运动伪影信号,进而获取纯净的脉搏波信号,能够更好的利用参考信号,从脉搏波信号中减少运动伪影信号,使得心率信号的精确度更高。
附图说明
图1为本发明的一实施例的减少脉搏波信号中运动伪影的方法的流程图。
图2为本发明的一具体实施例的自适应滤波器原理示意图。
图3为本发明的一具体实施例的滤波后脉搏波信号和滤波后参考信号的示意图。
图4为本发明的一具体实施例的获取干净的脉搏波信号的示意图。
图5为本发明的一实施例的减少脉搏波信号中运动伪影的***的组成结构图。
具体实施方式
以下将结合附图所示的具体实施方式对本发明进行详细描述。在附图中,结构相同的部件以相同数字标号表示,各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的,本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰,附图中有些地方适当夸大了部件的厚度。
如图1所示,本发明的一实施例,一种减少脉搏波信号中运动伪影的方法,所述方法包括:
S1、获取一路原始脉搏波信号,以及一路参考信号;
S2、根据基于最小均方算法的自适应滤波器,将所述原始脉搏波信号作为输入,所述参考信号作为期望输出,获取所述原始脉搏波信号中的运动伪影信号;
S3、根据所述原始脉搏波信号以及所述运动伪影信号,获取到纯净的脉搏波信号。
脉搏波信号其实是光的反射信号,运动伪影信号也是以光信号的形式引入的,因此可以直接的认为运动伪影信号是光信号。以测量心率信号为例来说,脉搏波信号就是心率信号与运动伪影信号的叠加。因此,设计一种参考光,该参考光与脉搏波信号的光的照射区域相近,并且对心率信号无响应或者响应比较弱,可用作参考信号。通过将脉搏波信号与参考信号相减求差就可以获取到较纯净的脉搏波信号,起到对运动伪影信号的抑制作用。但是实际上,二者还是存在一定的差异,二者的信号大小由于光源不同有所差异,而且由于人体的弹性,也存在一定程度的差异,直接相减未必能够获取理想的运动伪影滤除效果。因此,本发明基于最小均方算法的自适应滤波以及参考信号,获取脉搏波信号中的运动伪影信号,进而获取纯净的脉搏波信号,能够更好的利用参考信号,从脉搏波信号中减少运动伪影信号。
步骤S1是,获取至少一路原始PPG信号,以及一路参考信号。具体地,所述参考信号依据于参考光产生,所述参考光与所述脉搏波信号的光的照射区域相近,并且对心率信号无响应或者响应较弱。比如,红光。所述参考光与所述脉搏波信号的光实时同步,并且二者对同样程度的运动响应比较接近。将所述脉搏波信号的光与参考光同时照射,经过反射之后,获取到原始脉搏波信号与参考信号。
本发明的一具体实施例,将所述原始脉搏波信号与所述参考信号分别通过相同的滤波器进行滤波处理,得到滤波后的脉搏波信号以及滤波后的参考信号。将原始脉搏波信号与参考信号进行滤波处理,滤除各种噪声信号,以及滤除带外信息,避免因带外信息而导致问题复杂化。
本发明的一具体实施例,所述滤波器为带通滤波器,所述带通滤波器的频率为0.5Hz-5Hz。带通滤波器的截止频率最低为0.5Hz,最高值为5Hz,该带通包含所有的心率可能的频率。本发明的另一具体实施例,所述滤波器为一个高通滤波器和一个低通滤波器串联构成,并且所述低通滤波器的截止频率大于所述高通滤波器的截止频率,所述滤波器的频率在所述高通滤波器的截止频率与所述低通滤波器的截止频率之间。所述低通滤波器的截止频率为5Hz,所述高通滤波器的截止频率为0.5Hz。
自适应滤波器由参数可调的数字滤波器和自适应算法两部分组成,如图2所示。其原理是输入信号x(n)通过参数可调数字滤波器后产生输出信号y(n),将其与期望信号d(n)进行比较,形成误差信号e(n),通过自适应算法对滤波器参数进行调整,最终使e(n)的均方值最小,自适应滤波可以利用前一刻已经得到的滤波器参数的结果,自动调节当前时刻的滤波器参数,以适应信号噪声未知的或随时间变化的统计特性,从而实现最优滤波。本发明中,所采用的自适应算法为最小均方算法。最小均方算法是基于梯度的算法,应用准则是均方误差函数最小化原则,在迭代运算中不断地调整滤波器权系数,直到均方误差函数达到最小值为止。其基本思想是利用e(n)与x(n)的某种关系,来不断更新自适应滤波器的权系数,从而使均方误差达到最小值。
步骤S2是,根据基于最小均方算法的自适应滤波器,将所述原始脉搏波信号作为输入,所述参考信号作为期望输出,获取所述原始脉搏波信号中的运动伪影信号。本发明一个较优的实施例,根据上述实施例,将原始脉搏波信号和参考信号进行滤波处理后,得到滤波后的脉搏波信号和滤波后的参考信号,在本实施例中,将滤波后的脉搏波信号作为输入,滤波后的参考信号作为期望输出,获取所述原始脉搏波信号中的运动伪影信号。所述最小均方算法具体包括:最小均方算法迭代过程中的参数与变量设置如下:M为滤波器阶数,η为学习速率,W为M维的权值向量,X(n)为输入向量,d(n)为期望输出,y(n)为实际输出,e(n)为误差,n为点序数,即为迭代次数。具体地,将所述原始脉搏波信号从当前点(包括当前点)截取M个数据,构成输入向量X(n),将所述参考信号为期望输出d(n),设置一学习速率η,随机初始化权值向量W(n),所述最小均方算法的迭代公式如下:
滤波输出信号为:y(n)=W(n)X(n);
其中,X(n)=[x(n)x(n-1)…..x(n-M+1)],M为截取数据的个数;
误差信号:e(n)=d(n)-y(n);
权系数更新:W(n+1)=W(n)+ηX(n)e(n);
具体迭代过程,随机初始化权值向量W(n),根据上述迭代公式,计算得到y(n),比较d(n)和y(n)的差值,即误差e(n)的值,若误差e(n)偏大,则重新更新权值向量W(n)的权值大小,重新计算y(n)和e(n),直到e(n)的值为最小时迭代终止,即d(n)和y(n)很接近。此时,得到的y(n)就是所述原始脉搏波信号中的运动伪影信号。
步骤S3是,根据所述原始脉搏波信号以及所述运动伪影信号,获取到纯净的脉搏波信号。具体地,所述原始脉搏波信号减去所述运动伪影信号,获取到纯净的脉搏波信号。比如,将所述输入信号X(n)减去迭代终止时的输出信号y(n),就是在原始脉搏波信号抑制了运动伪影信号后的心率信号。
基于最小均方算法的自适应滤波器的技术方案,能够进行相位对正,允许参考信号与脉搏波信号有一定的时间不同步。自适应滤波能够兼容幅度的不一致性,自适应地选择收敛的程度。
本发明的一具体实施例,如图3所示,图3为所述原始脉搏波信号和参考信号经过带通滤波器滤波后的结果图。从图中可以看出,上面曲线是滤波后的脉搏波信号数据,下面曲线是滤波后的参考信号数据。从上面曲线可以看出,滤波后的脉搏波信号中混入了运动伪影信号,信号比较杂乱,但是信号波动规律和下面的参考信号的波动规律具有一致性。如图4所示,使用本发明后的纯净的脉搏波信号图。如图所示,上面曲线是将脉搏波信号与运动伪影信号相减的结果,下面曲线是使用本发明中的基于最小均方算法的自适应滤波器后获取的纯净的脉搏波信号图,这两个曲线进行比较,使用本发明的技术方案获取的脉搏波信号是比较有规律的。
根据本发明的一具体实施例,在最小均方算法中,η过大容易发生超调,η过小,自适应滤波的收敛速度较慢,在运动干扰较强时,难以有效抑制运动伪影信号。因此,根据本发明的一具体实施例,采集多路原始脉搏波信号,以及多路参考信号,通过多路原始脉搏波信号与参考信号提高自适应滤波的收敛速度与准确率。具体地,当所述原始脉搏波信号的路数大于1时,对每一路原始脉搏波信号,根据基于最小均方算法的自适应滤波器,获取到每一路对应的纯净的脉搏波信号;将所有路数对应的纯净的脉搏波信号求和并取其平均值,所述平均值为获取的最终的纯净的脉搏波信号。下面以两路原始脉搏波信号为例进行说明,所述最小均方算法的迭代公式如下:
第1路滤波输出信号为:y1(n)=W1(n)X1(n);
第1路误差信号:e1(n)=d(n)-y1(n);
第1路权系数更新:W1(n+1)=W1(n)+ηX1(n)e1(n);
第2路滤波输出信号为:y2(n)=W2(n)X2(n);
第2路误差信号:e2(n)=d(n)-y2(n);
第2路权系数更新:W2(n+1)=W2(n)+ηX2(n)e2(n);
最终的纯净的脉搏波信号为[(y1(n)-X1(n))+(y2(n)-X2(n))]/2。
本发明基于最小均方算法的自适应滤波以及参考信号,获取脉搏波信号中的运动伪影信号,进而获取纯净的脉搏波信号,能够更好的利用参考信号,从脉搏波信号中减少运动伪影信号,使得心率信号的精确度更高。
图5所示,一种减少脉搏波信号中运动伪影的***,所述***包括:
获取模块50,用于获取一路原始脉搏波信号,以及一路参考信号;
最小均方模块51,用于根据基于最小均方算法的自适应滤波器,将所述原始脉搏波信号作为输入,所述参考信号作为期望输出,获取所述原始脉搏波信号中的运动伪影信号;
计算模块52,用于根据所述原始脉搏波信号以及所述运动伪影信号,获取到纯净的脉搏波信号。
获取模块获取一路原始脉搏波信号,以及一路参考信号。具体地,所述参考信号依据于参考光产生,所述参考光与所述脉搏波信号的光的照射区域相近,并且对心率信号无响应或者响应较弱。比如,红光。所述参考光与所述脉搏波信号的光实时同步,并且二者对同样程度的运动响应比较接近。将所述脉搏波信号的光与参考光同时照射,经过反射之后,获取到原始脉搏波信号与参考信号。
最小均方模块根据基于最小均方算法的自适应滤波器,将所述原始脉搏波信号作为输入,所述参考信号作为期望输出,获取所述原始脉搏波信号中的运动伪影信号。所述最小均方算法具体包括:最小均方算法迭代过程中的参数与变量设置如下:M为滤波器阶数,η为学习速率,W为M维的权值向量,X(n)为输入向量,d(n)为期望输出,y(n)为实际输出,e(n)为误差,n为点序数,即为迭代次数。具体地,将所述原始脉搏波信号从当前点(包括当前点)截取M个数据,构成输入向量X(n),将所述参考信号为期望输出d(n),设置一学习速率η,随机初始化权值向量W(n),所述最小均方算法的迭代公式如下:
滤波输出信号为:y(n)=W(n)X(n);
其中,X(n)=[x(n)x(n-1)…..x(n-M+1)],M为截取数据的个数;
误差信号:e(n)=d(n)-y(n);
权系数更新:W(n+1)=W(n)+ηX(n)e(n);
具体迭代过程,随机初始化权值向量W(n),根据上述迭代公式,计算得到y(n),比较d(n)和y(n)的差值,即误差e(n)的值,若误差e(n)偏大,则重新更新权值向量W(n)的权值大小,重新计算y(n)和e(n),直到e(n)的值为最小时,即d(n)和y(n)很接近。此时,得到的y(n)就是所述原始脉搏波信号中的运动伪影信号。
计算模块根据所述原始脉搏波信号以及所述运动伪影信号,获取到纯净的脉搏波信号。具体地,所述原始脉搏波信号减去所述运动伪影信号,获取到纯净的脉搏波信号。比如,将所述输入信号X(n)减去迭代终止时的输出信号y(n),就是在原始脉搏波信号抑制了运动伪影信号后的心率信号。
根据该技术方案,基于最小均方算法的自适应滤波以及参考信号,获取脉搏波信号中的运动伪影信号,进而获取纯净的脉搏波信号,能够更好的利用参考信号,从脉搏波信号中减少运动伪影信号,使得心率信号的精确度更高。
虽然以上通过附图和实施例对本发明进行了详细描述,但是这样的图示和描述应被理解为是说明性或示例性而非限制性的。本发明并不局限于所公开的实施例。在权利要求中,词语“包括”并不排除其它部件或步骤,并且“一个”或特定“多个”应当被理解为至少一个或至少特定多个。权利要求中的任何参考标记都不应当被理解为对其范围加以限制。通过研习附图、说明书和所附权利要求,针对上述实施例的其它变化形式可以由本领域技术人员在无需创造性劳动即可理解并实施,而这些实施方式仍将落入本发明所附权利要求书的范围之内。
Claims (10)
1.一种减少脉搏波信号中运动伪影的方法,其特征在于,所述方法包括:
S1、获取一路原始脉搏波信号,以及一路参考信号;
S2、根据基于最小均方算法的自适应滤波器,将所述原始脉搏波信号作为输入,所述参考信号作为期望输出,获取所述原始脉搏波信号中的运动伪影信号;
S3、根据所述原始脉搏波信号以及所述运动伪影信号,获取到纯净的脉搏波信号。
2.如权利要求1所述的减少脉搏波信号中运动伪影的方法,其特征在于,所述步骤S1包括:
设置一参考光,所述参考光与所述脉搏波信号的光的照射区域相近,并且对心率信号无响应或者响应较弱;
所述参考光与所述脉搏波信号的光实时同步,并且二者对同样程度的运动响应比较接近。
3.如权利要求2所述的减少脉搏波信号中运动伪影的方法,其特征在于,所述步骤S1还包括:
将所述脉搏波信号的光与参考光同时照射,经过反射之后,获取到原始脉搏波信号与参考信号。
4.如权利要求1所述的减少脉搏波信号中运动伪影的方法,其特征在于,于所述步骤S2前还包括:
将所述原始脉搏波信号与所述参考信号分别通过相同的滤波器进行滤波处理,得到滤波后的脉搏波信号以及滤波后的参考信号。
5.如权利要求4所述的减少脉搏波信号中运动伪影的方法,其特征在于,所述滤波器为带通滤波器,所述带通滤波器的频率为0.5Hz-5Hz。
6.如权利要求4所述的减少脉搏波信号中运动伪影的方法,其特征在于,所述滤波器为一个高通滤波器和一个低通滤波器串联构成,并且所述低通滤波器的截止频率大于所述高通滤波器的截止频率。
7.如权利要求1所述的减少脉搏波信号中运动伪影的方法,其特征在于,所述步骤S2具体包括:
将所述原始脉搏波信号从当前点(包括当前点)截取M个数据,构成输入向量X(n),将所述参考信号为期望输出d(n),设置一学习速率η,随机初始化权值向量W(n);
所述最小均方算法迭代公式如下:
滤波输出信号为:y(n)=W(n)X(n);
其中,X(n)=[x(n)x(n-1)…..x(n-M+1)],M为截取数据的个数;
误差信号:e(n)=d(n)-y(n);
权系数更新:W(n+1)=W(n)+ηX(n)e(n);
计算得到y(n),若误差e(n)偏大,则重新更新权值向量W(n)的权值大小,重新计算y(n)和e(n),直到e(n)的值为最小时迭代终止,得到的y(n)为所述原始脉搏波信号中的运动伪影信号。
8.如权利要求7所述的减少脉搏波信号中运动伪影的方法,其特征在于,所述步骤S3包括:
所述原始脉搏波信号减去所述运动伪影信号,获取到纯净的脉搏波信号。
9.如权利要求8所述的减少脉搏波信号中运动伪影的方法,其特征在于,所述方法还包括:
当所述原始脉搏波信号的路数大于1时,对每一路原始脉搏波信号,根据基于最小均方算法的自适应滤波器,获取到每一路对应的纯净的脉搏波信号;
将所有路数对应的纯净的脉搏波信号求和并取其平均值,所述平均值为获取的最终的纯净的脉搏波信号。
10.一种减少脉搏波信号中运动伪影的***,其特征在于,所述***包括:获取模块,用于获取一路原始脉搏波信号,以及一路参考信号;
最小均方模块,用于根据基于最小均方算法的自适应滤波器,将所述原始脉搏波信号作为输入,所述参考信号作为期望输出,获取所述原始脉搏波信号中的运动伪影信号;
计算模块,用于根据所述原始脉搏波信号以及所述运动伪影信号,获取到纯净的脉搏波信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910265210.6A CN111643053A (zh) | 2019-04-03 | 2019-04-03 | 一种减少脉搏波信号中运动伪影的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910265210.6A CN111643053A (zh) | 2019-04-03 | 2019-04-03 | 一种减少脉搏波信号中运动伪影的方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111643053A true CN111643053A (zh) | 2020-09-11 |
Family
ID=72342462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910265210.6A Pending CN111643053A (zh) | 2019-04-03 | 2019-04-03 | 一种减少脉搏波信号中运动伪影的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111643053A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113397497A (zh) * | 2021-06-10 | 2021-09-17 | 维沃移动通信有限公司 | 信号处理方法、装置和电子设备 |
CN114287892A (zh) * | 2021-12-02 | 2022-04-08 | 中国科学院深圳先进技术研究院 | 一种外周血管阻力变化跟踪方法、***、终端以及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5662105A (en) * | 1995-05-17 | 1997-09-02 | Spacelabs Medical, Inc. | System and method for the extractment of physiological signals |
US20120203080A1 (en) * | 2009-11-17 | 2012-08-09 | Min-Joon Kim | Photoplethysmography apparatus |
US20160206247A1 (en) * | 2015-01-21 | 2016-07-21 | Covidien Lp | Adaptive motion correction in photoplethysmography using reference signals |
CN106691425A (zh) * | 2016-12-30 | 2017-05-24 | 北京工业大学 | 一种运动手环的腕部心率监测方法 |
CN108937878A (zh) * | 2018-06-06 | 2018-12-07 | 北京邮电大学 | 一种脉搏波信号运动噪声消除的方法 |
CN109044315A (zh) * | 2018-07-05 | 2018-12-21 | 四川斐讯信息技术有限公司 | 一种运动心率检测装置及方法 |
CN109222949A (zh) * | 2018-10-12 | 2019-01-18 | 杭州士兰微电子股份有限公司 | 心率检测方法和心率检测装置 |
-
2019
- 2019-04-03 CN CN201910265210.6A patent/CN111643053A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5662105A (en) * | 1995-05-17 | 1997-09-02 | Spacelabs Medical, Inc. | System and method for the extractment of physiological signals |
US20120203080A1 (en) * | 2009-11-17 | 2012-08-09 | Min-Joon Kim | Photoplethysmography apparatus |
US20160206247A1 (en) * | 2015-01-21 | 2016-07-21 | Covidien Lp | Adaptive motion correction in photoplethysmography using reference signals |
CN106691425A (zh) * | 2016-12-30 | 2017-05-24 | 北京工业大学 | 一种运动手环的腕部心率监测方法 |
CN108937878A (zh) * | 2018-06-06 | 2018-12-07 | 北京邮电大学 | 一种脉搏波信号运动噪声消除的方法 |
CN109044315A (zh) * | 2018-07-05 | 2018-12-21 | 四川斐讯信息技术有限公司 | 一种运动心率检测装置及方法 |
CN109222949A (zh) * | 2018-10-12 | 2019-01-18 | 杭州士兰微电子股份有限公司 | 心率检测方法和心率检测装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113397497A (zh) * | 2021-06-10 | 2021-09-17 | 维沃移动通信有限公司 | 信号处理方法、装置和电子设备 |
CN114287892A (zh) * | 2021-12-02 | 2022-04-08 | 中国科学院深圳先进技术研究院 | 一种外周血管阻力变化跟踪方法、***、终端以及存储介质 |
CN114287892B (zh) * | 2021-12-02 | 2024-02-09 | 中国科学院深圳先进技术研究院 | 一种外周血管阻力变化跟踪方法、***、终端以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107949321B (zh) | 时域干扰去除和改进的心率测量跟踪机理 | |
CN109522826B (zh) | 一种基于fmcw毫米波雷达的生命信号检测方法和*** | |
Chandrakar et al. | Denoising ECG signals using adaptive filter algorithm | |
Clancy et al. | Adaptive whitening of the electromyogram to improve amplitude estimation | |
US10478129B2 (en) | Methods for improving response time, robustness and user comfort in continuous estimation of biophysiological rates | |
Hanyu et al. | Motion artifact detection and reduction in PPG signals based on statistics analysis | |
Naraharisetti et al. | Comparison of different signal processing methods for reducing artifacts from photoplethysmograph signal | |
RU2677007C2 (ru) | Устройство и способ для устранения артефактов движения при проведении экг | |
TWI505816B (zh) | 血氧飽和度檢測方法及裝置 | |
CN110680307A (zh) | 一种运动环境下基于脉搏波传导时间的动态血压监测方法 | |
KR20140139564A (ko) | Ecg 모니터링을 위한 시스템들 및 방법들 | |
CN111643053A (zh) | 一种减少脉搏波信号中运动伪影的方法及*** | |
CN105962914A (zh) | 基于盲源分离的呼吸与心跳信号的分离方法及装置 | |
CN114190917A (zh) | 一种基于毫米波雷达的生命体征监测方法及*** | |
JP2017522054A (ja) | 光電式脈拍信号測定方法及び測定機器 | |
Fedotov | Amplitude–time method for detecting characteristic pulse wave points | |
De Ridder et al. | Comparison between EEMD, wavelet and FIR denoising: Influence on event detection in impedance cardiography | |
KR101048763B1 (ko) | 신호 검출 장치 및 방법 | |
KR101514151B1 (ko) | 동잡음에 강건한 ppg 신호 측정 방법 | |
Choudhari et al. | Denoising of radial bioimpedance signals using adaptive wavelet packet transform and Kalman filter | |
Sharma et al. | Noise reduction technique for ECG signals using adaptive filters | |
CN114931368A (zh) | 一种毫米波雷达生命体征动态检测方法 | |
Islam et al. | Denoising EEG signal using different adaptive filter algorithms | |
CN111643052A (zh) | 一种减少脉搏波信号中运动伪影的方法及*** | |
Viswanadham et al. | Artefacts removal from ECG signal: Dragonfly optimization-based learning algorithm for neural network-enhanced adaptive filtering |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |